基于Web日志挖掘的自適應(yīng)網(wǎng)站推薦系統(tǒng)框架研究.pdf

1、隨著WWW應(yīng)用的高速發(fā)展和廣泛普及，在WWW服務(wù)器上收集了大量的Web日志，因此WEB日志的挖掘結(jié)果在很多領(lǐng)域中都變得至關(guān)重要，如Web站點(diǎn)的系統(tǒng)設(shè)計(jì)、商業(yè)市場策略和網(wǎng)站個(gè)性化等等。自適應(yīng)網(wǎng)站推薦是數(shù)據(jù)挖掘在WEB日志數(shù)據(jù)中的一個(gè)應(yīng)用，其目的是方便用戶對網(wǎng)站的訪問，它可以預(yù)測未來用戶的數(shù)量和愛好，并為電子商務(wù)企業(yè)提供決策依據(jù)。本文設(shè)計(jì)了一個(gè)自適應(yīng)網(wǎng)站推薦系統(tǒng)框架SAWRS(Self-AdaptiveWebsitesRecommendat

2、ionSystem)，它分為離線部件和在線部件兩部分，其中，前者進(jìn)行數(shù)據(jù)收集、預(yù)處理、頻繁訪問模式挖掘；后者根據(jù)離線部件現(xiàn)有挖掘規(guī)則和用戶當(dāng)前訪問行為生成推薦集，實(shí)現(xiàn)自適應(yīng)的在線推薦服務(wù)，主要工作有： 分析了基于服務(wù)器日志數(shù)據(jù)的預(yù)處理，它是Web挖掘過程中關(guān)鍵的一環(huán)，其結(jié)果直接影響到挖掘算法處理結(jié)果的準(zhǔn)確度與可信度，主要包括以下階段：數(shù)據(jù)凈化、用戶識別、會話識別、路徑補(bǔ)充和事務(wù)識別。本文采用預(yù)處理最新研究成果的高效算法實(shí)現(xiàn)了日志

3、數(shù)據(jù)的預(yù)處理。 Apriori算法使用逐層搜索的迭代方法，每次迭代均產(chǎn)生大量的侯選K項(xiàng)集，影響了算法的執(zhí)行效率，本文針對此缺點(diǎn)對算法進(jìn)行了優(yōu)化，其核心思想是聯(lián)接生成K維侯選項(xiàng)集時(shí)，判斷它的K-1維子集是否存在K-1維頻繁項(xiàng)集中，若是則K維侯選項(xiàng)集計(jì)數(shù)加1，如果不在則直接刪除，最終計(jì)數(shù)等于k的則為k項(xiàng)頻繁的，這樣每生成一個(gè)K維項(xiàng)集只需搜索一遍K-1項(xiàng)集，大大提高了算法的效率。理論分析和實(shí)驗(yàn)證明該方法明顯優(yōu)于原算法。 為了使